共计 4564 个字符，预计需要花费 12 分钟才能阅读完成。
我是个幸运的人。虽然幸运不能被复制，但是眼光和努力可以。
关涛 / 关老板，80 后的阿里 P10，阿里巴巴通用计算平台负责人，阿里巴巴计算平台研究员。12 年职场人生，微软和阿里的选择。
关涛的花名取自谐音：观涛。有种看海观涛的闲适，但在 MaxCompute 技术团队里，因为团队既要做核心技术也要“落地拿结果”承担阿里云的客户规模和营收，像一个小的创业公司，因此大家更喜欢叫他”关老板”，一下子就世俗亲近了起来。
关老板是个北方人，大高个也带着些书生气。因为工作的关系，带领着一支跨国团队，两岸四地奔波（太平洋两岸，北京、杭州、西雅图、加州），说话间偶尔喜欢中英文 match 一下。
“我是一个兴趣驱动型的人，职业生涯总的来说，还算挺幸运的，做自己感兴趣的事情，走上 IT 这一行……”
如果有认识关涛的人，应该会忍不住说上一句：这家伙，运势太好了吧。
一路保送，没考过什么试，大学选择计算机的原因也很任性，喜欢玩游戏。研究生毕业后就进入了微软，是微软最年轻的技术管理者之一，后来去了阿里云，不到 3 年时间，已经是 P10，阿里巴巴通用计算平台 MaxCompute 团队负责人。
“特别久以前，大概初中的时候有了自己的第一台电脑，大名鼎鼎的 486，带一个数学协处理器，主频 266MHz，内存有 4MB。”
喜欢玩游戏的都知道，往往会碰见有些关卡比较难，闯不过去的情况。当时的关涛就想着：怎么能够绕开系统这些设置？于是查了很多杂志也看了很多书，试图去改游戏存档，那个阶段他第一次知道什么是十六进制，也是最初接触编程。
最后自己折腾着，操纵游戏角色大杀四方，简直无敌。让程序按照自己的意愿运行的感觉，“嘿，还好玩的。”
于是，开始觉得这个专业（计算机）不错。到了高中毕业的时候，因为数学竞赛被保送到南开大学，当时的一个选择是可以进数学系，南开的王牌专业，但最后，关涛还是因为兴趣选择了计算机。
人生的分叉口有很多，有时候做了第 1 个选择，后面的路都会开始相通，看似顺势而为，其实都是选择的结果。
** 从 200 公里的北京到 8000 多公里的西雅图工作需要定期 make a little change**
2006 年，关涛毕业了。这意味他要开始自己的职业生涯了，他有些跃跃欲试。
研究生的 3 年，因为导师有额外要求：不能去实习，这让关涛对于招聘市场并不那么了解，对于微软同样是“没有太多的认知”。但北京有个 MSRA，微软亚洲研究院，据说是当时最好的 R &DCenter。
抱着试试看的心态，经历了一整天的面试后，关涛顺利地拿到了 offer。他回忆：“好像也不是那么难”。
在离家乡河北承德 200 公里远的北京，关涛一呆就是 6 年，是微软 Bing 搜索北京团队最初的几十个人之一。从偏存储层到计算层，在项目里不断地去充实自己。他是个兴趣驱动的人，但在工作中愿意变成完美主义者。
在微软的第一个项目，是做一个分布式 KV+ObjectStore 系统，用于支持 Bing 搜索的图片和视频存储。2006 年，还没有 Hbase 这样的开源系统，当时 6 个人的小团队完全手写一套分布式 KV，最终部署在 3000 台机器并支持正常线上流量，在实战中接触到了分布式系统中的各种挑战，也学到了非常多的东西。“这个项目，是个好的机会与开始”。
第二个项目是做搜索后台的 IndexGen Pipeline：一个定制化的存储与计算系统，用于支持通用搜索 100B 级别的超大规模数据存储和处理，后来这个搜索后台也成为了微软 Bing 搜索后台的第二代架构，并服务至今。
再后来就是牵头来做大数据上交互式查询（JetScopeOn Cosmos），最后基本微软一半以上的团队都在用这个系统。
在关涛看来，不管是生活还是职业发展，定期去 make a little change 是很好的选择，保持新鲜感的同时，能看到学到更多的东西。从被别人带着写代码、到自己独立负责一些板块，再到自己带项目小组、带大一点的技术团队，这些都需要有一个自我时间界定，把握自己的发展节奏。
6 年微软后，他也准备 make a bigger change：申请去了美国西雅图的微软总部。
8000 多公里以外的城市，冬天不太冷，夏天不太热，还有他最爱的单板滑雪，以至于一直坚持在每年的最后一天自驾去不同的滑雪地。
在美国期间，关涛继续深入做交互式查询、StructuredData 优化推动等，也积累了很多跨国技术团队管理的经验。“美国有近 40 年的历史，团队成员比北京的团队更资深一些，在美国能够看到不一样的人，看到不一样的项目。”
而在微软的 10 年时间里，关涛也关注到了国内以 BAT 为代表的本土企业，他们发展的很好，而且有更高的加速度……
** 西雅图分部第 22 号员工 10 年后的回归，面对更多的挑战 **
“当时海外办公室刚建起来，我是阿里西雅图分部的第 22 号员工。”
“在微软 10 年，国内是什么情况？”好奇心不断膨胀，于是在一次偶然的机会，关涛跳去了阿里，成为了阿里巴巴通用计算平台 MaxCompute 团队里的一员。这是 2016 年 1 月。
MaxCompute 的前身是 ODPS，阿里内部统一的大数据平台，目前 99% 的数据存储以及 95% 的计算能力都在这个平台上产生，如果把阿里巴巴集团的数据体系比作航母战斗群，那么 MaxCompute 就是中间的航空母舰。
面对这样一个已经发展了近 6 年的相对成熟、体量极为庞大的平台，挑战非常多。而 2016 年 1 月入职阿里，2016 年年会上就接过了 MaxCompute 的掌舵者位置，从 0 到 1 已经做完了，如何做到从 1 到 10？留给关涛的时间并不多。
他认为，大型系统逐步发展，是一个不断自我进化的过程，大数据系统也不例外。
微软的经历给了他一些帮助：包括同样都是大数据引擎（规模上有较大差异），之前的技术和工程经验都能复用。而丰富的跨国技术团队管理经验也让关涛更加适应阿里的工作。
** 从 MaxCompute1.0 到 MaxCompute2.0“我们是在飞行的飞机上换引擎”**
关涛回忆：“当时进来的时候，MaxCompute1.0 其实是在一个技术的成熟期上，承接了阿里巴巴内部和阿里云的核心业务，而引擎升级有技术风险和问题（我们称为 Regression，包括功能和性能的）。为了保证对上层透明，我们先做了一个框架升级，支持把引擎的不同版本同时部署在线上，一点一点地把流量切过来，同时观察效果。”之后再进行引擎层面的大手术。
有点像是“在飞行的飞机上换引擎”。
如今的 MaxCompute2.0 相较于 1.0 版本，规模达到近 10 万台，性能提升超过 1 倍以上，每年为阿里巴巴节省预算超过 20 亿，同时也让阿里的大数据引擎可以在未来 3 - 5 年架构上有个相对好的布局。
技术团队如何管理
关涛的看法是：技术管理者归根结底还是一个管理者。
1、首先考虑的不是自己要做什么事情而是帮助团队做什么事情，更多的有一种“利他”的责任感。
2、技术前瞻性，技术团队管理者是要带着团队有目标地、正确地往前走，把握未来方向非常重要。
3、招聘层面，思考如何招到合适的人，如何进行人才布局。现在是人才在哪办公地点就在哪的阶段。
从大数据角度看阿里双十一
要支持好双十一，先从两个统一说起（数据统一和资源统一）。
数据具有 1 + 1 大于 2 的特性，不同的数据融合计算能产生更大的价值。而关键就在于如何把数据都打通。
几年前阿里巴巴建设中台，把内部所有的数据放在一起（物理上分布在多地的近 10 万台服务器上，但逻辑上统一，数据的分布和调度对用户透明），让丰富的数据帮助产品、业务前进。
资源的统一化：把所有机器放在一个大的资源池里（内部称为混布项目），资源调度系统打通，对于机器的效率优化和整个系统的容灾都有非常大的帮助。
做大数据的都了解，数据可以 3 年翻 5 倍，机器却不行，否则成本太高，不现实。而利用已有的服务器进行混合部署，“这也是近一年，我们重点投资的一个项目，也就是把不同 BU、不同种类的机器部署在同一个资源池中。”
有了这两个统一架构的前提，双十一在洪峰来临的时候，可以选择把不那么重要的工作先停掉（在百万级别的作业中基于优先级和依赖做调度），让这些机器都用来支撑洪峰。洪峰过后，又把机器主力转移到计算上，把需要的计算尽快地输出来。
今年双十一，大数据集群在流量洪峰最高的几个小时，通过弹性支持了超过 1 / 4 的交易业务流量。
不增加棋子，仅依靠挪动棋盘上的子，就完成布局守住将军。当然，在此之前，团队把 MaxCompute 已经从 1.0 版本切到了 2.0 版本，性能的提升也是支持双十一数据量的关键。
在硬件只增加不到三分之一的基础上，处理数据相较去年翻了一番，达到单日处理 600PB 的规模。可以说，MaxCompute 在这一战役中发挥得不错，甚至比去年更为优秀。
** 未来：云化、新硬件、非结构化计算、非关系型计算、AI 是趋势 DBA 或将被淘汰？**
去年的时候，原阿里云总裁胡晓明说：“互联网的云计算竞争是世界寡头经济的全面竞争，在我看来，就是杭州和西雅图的竞争。谁拥抱技术，谁就拥抱未来。”场主深以为然。
关涛认为：目前云计算已经从互联网企业向传统企业蔓延，例如杭州的城市大脑和“最多跑一次“项目，是 2G（To Government）的项目。还有基于工业大脑的工业 4.0 项目等。
从目前的市场态度来看，企业或许可以更加开放一些，欢迎和拥抱这种技术变化，完成自我的数字化转型。“云计算不会是寡头反而会是普惠”，关涛说。
前瞻话题：大数据处理领域，未来程序员应该关注什么东西？
1、新硬件的发展
计算层面越来越与新硬件的创新紧密结合，硬件会带来平台革命。例如芯片类的 CPU（AVX、SIMD）、ARM 众核架构、GPU，FPGA，ASIC，存储类的 NVM、SSD、SRM，网络类的智能网卡和 RDMA 等新硬件的发展，新硬件与软件的配合是值得关注的发展方向。
2、非关系型计算领域（图计算）有很多机会
大数据现在还是在关系型的处理层面，包括流和批都是基于关系型数据的计算，事实上，现在非关系的计算越来越流行了，包括知识图谱、画像等越来越有价值，这些数据组织不是关系型表达，而是以点边的形式用图的方式表达，更符合物理抽象，比如人和货的关系，在风控层面，知识图谱层面，用来描述物理实体的关系更合适。
明年初，将会推出 MaxCompute 的图计算系统 MaxGraph，支持图存储、查询、模式匹配和 GraphEmbedding 等机器学习运算。
3、非结构化数据将变成大数据的主流
越来越多的短视频、图片、语音类数据，并随着 IoT 的发展，可能占据 80% 的数据量，由于这类数据的特性在于结构各不相同，且数据非常大但是单位价值不高（相比传统结构化数据），如何快速高效的解析和处理非结构化数据，是计算平台的关键挑战。
去年的时候 MaxCompute 发布了一个非结构化数据处理模块，能够用户自定义的方式处理包括视频音频在内的数据。
4、Al for Everything（also for BigData）
DBA 或将被淘汰？
大数据的特点是大，不仅仅是包括数据的处理规模，还包括了整个的海量数据的管理和优化。传统数据库领域依靠 DBA 人力去管理的模式将不再适用。
用 Al 优化数据分布、数据管理、做计算优化和成本优化（例如自动 SubQuery 合并，智能索引建立等）。“让大数据无人驾驶”，这也是未来的趋势。
本文作者：晋恒阅读原文
本文来自养码场专访，转发需养码场授权。
